一种计及径流预报不确定性的水库调度风险评估方法

摘要

本发明实施例公开了一种计及径流预报不确定性的水库调度风险评估方法，包括数据处理模块、径流预测模块、径流概率分布模块、径流随机抽样模块和风险评估计算模块。数据处理模块规格化径流预报模型所需数据并输入到径流预测模块开展径流预报；径流预测模块将预报径流数据输入到径流概率分布模块获得对应概率分布矩阵；径流概率分布模块将概率分布矩阵输入径流随机抽样模块进行随机抽样获得入库径流集合；随机抽样模块将入库径流集合输入风险评估计算模块计算风险。本发明充分考虑径流预报的不确定性与随机性，建立计及径流预报不确定性的水库调度风险评估模型，对水库在有径流预报信息下的调度运行进行全面的安全评估，具有广泛的应用前景以及社会价值。

主权项

一种计及径流预报不确定性的水库调度风险评估方法，其特征在于以下步骤，(1)数据处理模块规格化原始输入数据原始输入数据的获取由已由历史数据率定获取的径流预报模型指定，设有n项影响因子，第i项影响因子的最大、最小值分别为则按照下式将原始数据X_i规格化至[a,b]区间，规格化公式为：$X_i^{\prime }=a\times \frac{{\bar{X}}_i-X_i}{{\bar{X}}_i-{\underset{‾}{X}}_i}+b$其中X'_i为规格化数据，X'_i∈[a,b]；a,b为规格化参数，可由用户根据需求设定，本方法取为a＝0.8,b＝0.1，将原始数据规格化至[0.1,0.9]；n项影响因子的原始输入数据经过规格化操作形成规格化输入向量X'＝[X'₁,X'₂,...,X'_n]，将X'输入到径流预测模块开展径流预报；(2)径流预测模块根据数据处理模块输出的规格化数据预测径流值；将X'输入径流预报模型获得规格化径流预测序列Y'，预报模型抽象公式如下：Y'＝f(X',θ)其中f(·),θ分别为预报模型结构及参数；此时Y'为规格化预测径流数据，需对其进行反规格化操作方获得相应的径流预报序列Y，规格化公式如下：$Y=\bar{Y}-\frac{(Y^{\prime }-d)\times (\bar{Y}-\underset{‾}{Y})}{c}$其中为径流序列的最大值，最小值；c,d为径流预测反规格化参数，本系统取为c＝0.8,d＝0.1；(3)径流概率分布模块读取径流预测模块输出的径流预测序列Y，根据级别定义判定Y所处级别的同时，获得相应的概率分布矩阵；设径流共划分m个级别，各级别定义如下：$G=\left\{\begin{array}{cc}1& \mathrm{if}({\underset{‾}{g}}_1\le Y{\le \bar{g}}_1)\\ .& .\\ .& .\\ .& .\\ i& \mathrm{if}({\underset{‾}{g}}_i\le Y\le {\bar{g}}_i)\\ .& .\\ .& .\\ .& .\\ m& \mathrm{if}({\underset{‾}{g}}_m\le Y\le {\bar{g}}_m)\end{array}\right.$其中分别为级别i的上限、下限；由大量的实测径流与预报径流历史资料统计获取m个级别的概率风险分布矩阵P，如下所示：其中P_i,j表示当预报径流为i级别时实测径流为j级别的概率；有表示预报径流为i级别时，实测径流一定会发生m个级别中的某一个或者某几个；同时均有P_i,j∈[0,1]，P_i,j越小表示预报径流为i级别时实测径流为j级别的概率越小；特别地，当P_i,j＝0时，表示预报径流为i级别时实测径流不可能为j级别；当P_i,j＝1时，表示预报径流为i级别时实测径流完全为j级别；若均有P_i,i＝1，表示预报径流为i级别时实测径流也为i级别，此时概率风险分布矩阵为单位阵，这也是最为理想的情况；概率风险分布矩阵P是对目前径流预报的精度统计，反映了当前径流预报水平，P是随着预报数据的不断增多日益趋近实际分布的；首先根据级别定义的范围确定径流预测值Y所处的级别k，然后从概率风险分布矩阵查找级别k相应的概率分布矩阵P_k＝[P_k,1,P_k,2,...,P_k,m]，最后将级别定义G与概率分布矩阵P_k输入径流随机抽样模块；(4)径流随机抽样模块根据级别定义G与概率分布P_k进行径流的随机抽样，获得径流预报集合；设共抽取N个样本，根据概率分布矩阵P_k确定各级别抽取样本数目，级别i的样本数目计算公式如下：其中N_i为级别i理论样本抽取数目；表示大于x的最小整数；各级别分别进行相应次数的随机抽样，并将抽取的径流值添加至径流预报集合中，级别i第n_i次抽样公式如下：$Y_{n_i}=r_1\times ({\bar{g}}_i-{\underset{‾}{g}}_i)+{\underset{‾}{g}}_i$其中r₁为[0,1]之间均匀分布的随机数；为级别i第n_i次抽样获得的径流值；通过随机抽样得到径流预报为Y时相应的径流集合，由大数定理可知多次抽样可近似代表未来入库流量的所有可能情景；(5)风险评估计算模块利用径流随机抽样模块得到的径流集合，评估计算当前决策水平下的弃水、出力等调度信息的风险；固定当前决策水平，确定依次输入径流集合中所有可能的入库径流，分别调用常规算法进行计算，获得径流集合中各种来水情况的调度信息(如出力、弃水等)，然后对不同的调度信息采用数学统计方法即可获得相应的风险分布及相应特征信息；下面以弃水为例简述风险率与期望弃水流量计算方式，出力、末水位等与之类似；风险率计算公式为：$P=\frac{\mathrm{num}}{N}\times 100\%$其中P为弃水风险概率，P∈[0,1]，若P＝0表示无风险，P＝1表示一定会发生弃水；num为发生弃水的样本数目；N为径流集合中样本总数目；期望弃水流量计算公式为：$\bar{Q}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{Q}_i$其中为当前调度信息下的期望弃水流量；Q_i表示径流集合中第i个样本的弃水流量。